面向无线差分隐私的多服务器联邦学习激励机制设计

作     者：易臻宁 冯智斌 方贵 王路广 宿建坤 YI Zhenning;FENG Zhibin;FANG Gui;WANG Luguang;SU Jiankun

作者机构：陆军工程大学通信工程学院江苏南京210007 

出 版 物：《陆军工程大学学报》 (Journal of Army Engineering University of PLA)

年 卷 期：2024年第3卷第2期

页      码：48-56页

摘      要：联邦学习作为一种新兴机器学习模式,其良好的隐私保护特性受到了人们的广泛关注。参与联邦学习的用户都是独立且自私的个体,因此设计一个有效的激励机制使用户自发参与联邦学习任务尤为重要。针对现有联邦学习激励机制缺乏对隐私保护性能的分析、缺乏多聚合服务器场景下激励机制的问题,提出了一种面向差分隐私的多聚合服务器联邦学习激励机制,构建了多聚合服务器的联邦学习模型,并利用无线信道噪声为用户上传的本地模型梯度提供差分隐私保护,采用隐私预算量化用户的效用,将聚合服务器与用户之间的交互构建为Stackelberg博弈,将聚合服务器之间的竞争关系构建为非合作博弈。通过理论分析得出了在不同奖励值组合下的用户传输功率的最优解,并提出了一种基于随机自动学习机(stochastic learning automata,SLA)的奖励值选择算法求解聚合服务器之间的混合策略纳什均衡,并通过仿真对系统的社会福利以及隐私预算进行分析。仿真结果表明,所提激励机制可以在提供良好隐私保护的同时提高社会福利。

主 题 词：联邦学习 激励机制 差分隐私 博弈论 无线通信 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.12018/j.issn.2097-0730.20230108001

馆 藏 号：203127503...